Die Stromerzeuger bieten an der Strombörse einen Erzeugungspreis an, der die variablen Kosten des Kraftwerksbetriebs widerspiegelt. Anhand dieser Grenzkosten wird nach dem Merit-Order Prinzip schließlich der Strompreis ermittelt. Es ist jedoch zu hinterfragen, ob das Bieten nach Grenzkosten heute wie auch in einem zukünftig deutlich heterogener aufgestellten Kraftwerksportfolio, das an der Börse Handel treibt, weiterhin Bestand hat. So verändert die aktuelle Situation an den Energiemärkten durch die unvorhergesehenen starken Preisanstiege der Rohstoffe das gewohnte Handelsbild, denn bei einem gleichgebliebenen Kraftwerkspark sind die Beschaffungskosten bspw. für Gaskraftwerke überproportional gestiegen. Auch der europaweite Ausbau der erneuerbaren Energien kann Einfluss auf das Bietverhalten der Marktteilnehmer haben. Da die Grenzkosten der erneuerbaren Energien Anlagen nahezu null sind, kann deren zunehmender Handel an den Märkten zu großen Differenzen zwischen den Grenzkosten der bietenden Kraftwerke führen. Gleichzeitig können besonders die zu erwartenden Volatilitäten bei der Erzeugung aus erneuerbaren Energien zu sehr geringen Strompreisen führen und damit Refinanzierungen erschweren. Zusätzlich verbindet die europäische Marktkopplung unterschiedliche Erzeugungsparks miteinander und verändert damit ebenfalls die bestehenden Märkte und deren Handelseigenschaften. So kann es finanziell attraktiv erscheinen, einen Aufschlag auf die Grenzkosten oder eine strategisch platzierte Stromnachfrage zu nutzen. Im Rahmen des Vorhabens sollen daher die an der EPEX SPOT vorhandenen Gebotsdaten in den Preiskurven auf strategische Muster hin analysiert werden. Gefundene Strategien werden in einem zweiten Schritt in die Zukunft getestet. Dazu wird deren Einfluss auf den Strompreis und Investitionen in flexible Erzeugungstechnologien in Deutschland unter Berücksichtigung der in Zukunft stark unterschiedlichen nationalen Stromerzeugungssysteme in Europa untersucht.
About 40% of final energy consumption in Germany will take place in and around buildings. Heating, cooling, hot water and the operation of electric devices are doing the most important areas - in the future probably also increasingly electric vehicles. The Open Gateway Energy Management Alliance (OGEMA) is an open software platform for energy management in this area. This connects energy consumers and producers to the customer with control centers of energy supply and binds a display for user interaction to. Thus, end-users should be able to automatically observe the future variable price of electricity and energy consumption to times. All participating developers to turn their ideas for automated energy can be used more efficiently to implement in appropriate software.
Dieses Papier beschreibt einen Modellierungsansatz zur Abbildung von gering- und nicht-investiven Maßnahmen im Building Stock Transformation Model des Öko-Instituts. Es werden insbesondere kurzfristige Reaktionen auf Energiepreisschocks modelliert. Dafür werden die Effekte gering- und nicht-investiver Maßnahmen sowie nicht-investiver Verhaltensanpassungen in die Energiebedarfsberechnung integriert. Für das Jahr 2030 liegt das Einsparpotenzial in gasbeheizten Gebäuden zwischen 1,6 und 3,6 Mio. CO2 pro Jahr. Die Zielverfehlung des Klimaschutzgesetzes für den Gebäudesektor im Jahr 2030 entspricht dieser Größenordnung. Durch Emissionseinsparungen in Gebäuden, die noch mit fossilen Energieträgern beheizt werden, können gering- und nicht-investive Maßnahmen dazu beitragen, die Ziellücke zu schließen. Veröffentlicht in Climate Change | 15/2025.
Klimaschutzministerin Katrin Eder informierte sich auf ihrer „Zukunftstour durch Rheinland-Pfalz – klimastarke Unternehmen“ über das Potential von bi-direktionalen Wallboxen, an denen E-Autos nicht nur betankt werden, sondern auch Strom ins Netz abgeben können „Der Energiesektor ist der Sektor, in dem Deutschland durch den Kohleausstieg seine Ziele erreicht. Der Blick auf Dächer und Balkongeländer hat es längst gezeigt: Selbst erzeugter Strom ist günstig und macht unabhängig. Für eine gelingende Energiewende ist wichtig, dass unsere Stromnetze immer stabil bleiben, auch wenn sie mit großen Schwankungen zurechtkommen müssen. Stromspeicher sind hier ein wichtiger Beitrag zur Lösung. Und daher freue ich mich, dass das Mainzer Unternehmen Ambibox zum Gelingen der Energiewende und damit zum Erreichen unserer Klimaziele beiträgt“, so Klimaschutzministerin Katrin Eder am heutigen Donnerstag in Mainz. Eder besuchte das Unternehmen auf ihrer Zukunftstour durch RLP „klimastarke Unternehmen“ und informierte sich, wie Energie- und Verkehrswende eine Einheit bilden und am Ende das Klima und die Wirtschaft gewinnen. Das Mainzer Unternehmen Ambibox entwickelt seit rund zehn Jahren bi-direktionale Wallboxen für E-Fahrzeuge, die dafür sorgen, dass Autos nicht nur mit Strom betankt werden können, sondern auch Strom aus ihrer Batterie liefern. Für das Unternehmen sind Autos nicht nur Transportmittel, sondern auch Stromspeicher auf vier Rädern. Das Ziel ist, wenn dank Wind und Sonne viel Strom produziert wird, die Batterie des Autos günstig zu laden. Ist es dann dunkel und windstill, soll der Strom aus der Autobatterie angezapft und zur Eigenstromversorgung genutzt werden. So werden die Stromnetze entlastet und der Ambibox-Kunde profitiert von günstigen Strompreisen. Mit einigen Automodellen funktioniert diese Wallbox schon. In Schweden werden derzeit 200 VW ID.-Modelle mit Ambibox-Wallboxen und Vattenfall getestet, um Strom ins Netz zurückzuspeisen und so zur Netzstabilität beizutragen. Geschäftsführer Manfred Przybilla sagt: „Ambibox befindet sich gerade in der Markteinführung von Vehicle to Grid (V2G) Lösungen in mehreren europäischen Ländern. Dabei sehen wir uns als Bindeglied zwischen den Fahrzeugherstellern und den Energieversorgern, indem wir Elektrofahrzeuge so in die Stromnetze einbinden, dass sie die Stromnetze nicht noch weiter belasten, sondern eher stützen. Eine Win-Win Situation, die zur Sektorkopplung beiträgt. Wir liefern neben den in Mainz entwickelten BiDi Wallboxen auch Softwarelösungen, die die Wallboxen intelligent in die Häuser einbinden. Der Kunde verdient somit zusätzlich Geld mit seinem Elektrofahrzeug. Neben den 200 Kunden die derzeit in Schweden beliefert werden, sind weitere 150 Wallboxen in Europa verbaut. In Deutschland werden wir bis zum Jahresende noch 500 BiDi Wallboxen ausliefern.“ Auf ihrer Sommertour besucht Katrin Eder insgesamt sieben Unternehmen in Rheinland-Pfalz, die zeigen, dass Klimaschutz und nachhaltiges Wirtschaften ideale Partner sind.
Eine oekologische Energiepolitik ist nur bei einer weitgehenden Autonomie der Kommunen moeglich. Das ist die Hauptthese der Folgestudie der 1980 erschienenen 'Energiewende' des Oeko-Instituts. Wurde damals nachgewiesen, dass sich bis ins Jahr 2030 etwa 50 Prozent der Energie (1980) einsparen laesst, so zeigt die neue Studie, wie dies zu erreichen ist: Strom- sowie Waermeproduktion muessen dezentralisiert werden. Die Aufsicht ueber die Energiewirtschaft, das Energierecht und die Tarifgestaltung beduerfen einer Aenderung.
Abweichend von konventionellen Standardverfahren zur Regelung von Wärmeerzeuger sollen in dem Projekt eine Vielzahl von internen und externen Eingangsgrößen zur Regelung verwendet werden. Hierbei handelt es sich unter anderem um Wetterdaten, Strompreise, Stromerzeugung und Korrelationsgrößen für die Belegung. In die Entscheidungsfindung zur Regelung fließen nicht nur aktuelle Zustandsgrößen ein, sondern auch zukünftige Werte. Es erfolgt somit eine prädiktive und vorausschauende Regelung anstelle einer reaktiven Standardregelung. Für solch eine Optimierungsaufgabe mit einer Vielzahl an Eingangsgrößen und einem längeren Betrachtungshorizont eigenen sich Methoden des maschinellen Lernens wie z.B. dem Reinforcement Learning. Der Vorteil dieser Methode ist eine bedarfsgenaue und wirtschaftliche Wärmebereitstellung. Mit Hilfe von Simulationsmodellen kann eine Vielzahl von Szenarien nachgebildet und als Trainingsdaten verwendet werden. Ziel des Forschungsprojektes ist es, die Optimierung von sektorübergreifenden Energiesystemen zu automatisieren und mit Hilfe von maschinellem Lernen und Metadaten die Anlagenparameter kontinuierlich anzupassen. Durch Transfer Learning können Messdaten anderer Gebäude als Trainingsdaten verwendet werden. Der Heizenergiebedarf wird mit Hilfe von neuronalen Netzen prognostiziert. Die entwickelten Prognose- und Regelungsmodelle werden in Kombination mit der Kommunikationsschnittstelle bei mehreren Gebäuden angewendet. Hierdurch sollen Generalisierungsmöglichkeiten gefunden werden, durch die das Trainieren bei neuen Gebäuden schneller erfolgen kann. Das Alleinstellungsmerkmal der Projektidee ist die Symbiose der Algorithmenentwicklung und ihre unmittelbare Validierung im Praxiskontext. Der Arbeitsschwerpunkt für Green Fusion liegt hierbei in der Entwicklung einer modularen Simulationsbibliothek des Energiesystems im Gebäude sowie der Anbindung der Objekte an die Kommunikationsschnittstelle durch die Cloud.
Abweichend von konventionellen Standardverfahren zur Regelung von Wärmeerzeuger sollen in dem Projekt eine Vielzahl von internen und externen Eingangsgrößen zur Regelung verwendet werden. Hierbei handelt es sich unter anderem um Wetterdaten, Strompreise, Stromerzeugung und Korrelationsgrößen für die Belegung. In die Entscheidungsfindung zur Regelung fließen nicht nur aktuelle Zustandsgrößen ein, sondern auch zukünftige Werte. Es erfolgt somit eine prädiktive und vorausschauende Regelung anstelle einer reaktiven Standardregelung. Für solch eine Optimierungsaufgabe mit einer Vielzahl an Eingangsgrößen und einem längeren Betrachtungshorizont eigenen sich Methoden des maschinellen Lernens wie z.B. dem Reinforcement Learning. Der Vorteil dieser Methode ist eine bedarfsgenaue und wirtschaftliche Wärmebereitstellung. Mit Hilfe von Simulationsmodellen kann eine Vielzahl von Szenarien nachgebildet und als Trainingsdaten verwendet werden. Ziel des Forschungsprojektes ist es, die Optimierung von sektorübergreifenden Energiesystemen zu automatisieren und mit Hilfe von maschinellem Lernen und Metadaten die Anlagenparameter kontinuierlich anzupassen. Durch Transfer Learning können Messdaten anderer Gebäude als Trainingsdaten verwendet werden. Der Heizenergiebedarf wird mit Hilfe von neuronalen Netzen prognostiziert. Die entwickelten Prognose- und Regelungsmodelle werden in Kombination mit der Kommunikationsschnittstelle bei mehreren Gebäuden angewendet. Hierdurch sollen Generalisierungsmöglichkeiten gefunden werden, durch die das Trainieren bei neuen Gebäuden schneller erfolgen kann. Das Alleinstellungsmerkmal der Projektidee ist die Symbiose der Algorithmenentwicklung und ihre unmittelbare Validierung im Praxiskontext. Der Arbeitsschwerpunkt für Green Fusion liegt hierbei in der Entwicklung einer modularen Simulationsbibliothek des Energiesystems im Gebäude sowie der Anbindung der Objekte an die Kommunikationsschnittstelle durch die Cloud.
Der Klimawandel verschärft die Probleme der Verfügbarkeit von Trinkwasserressourcen, die bereits für 80% der Weltbevölkerung bedroht sind. Es ist von daher wichtig, Systeme sorgfältig zu konzipieren, die Wasser mit hoher Zuverlässigkeit, langfristiger Nachhaltigkeit und niedrigere Kosten bereitstellen können. Außerdem erzeugt die Energiewende in der nahen Zukunft stark schwankende Strompreise was sich auf die Gestaltung, den Betrieb und die Kosten von Wasserversorgungssystemen auswirken wird. In der Literatur sind erste koordinierte Planungsansätze für Wasser- und Energiesysteme aufgetaucht. Diese jedoch begrenzen sich hauptsächlich auf die Bewertung einzelner Wasseranlagen. Das Verständnis komplexerer (z.B. aus mehreren Quellen bestehender) Wassersysteme, die langfristige Investitionsplanung von gekoppelten Wasser-Energie-Systemen und die langfristige Nachhaltigkeit unter dem Einfluss des Klimawandels sind entscheidende Aspekte, die mehr Forschung erfordern. Unser übergreifendes Ziel ist die Verbesserung des Planungsprozesses der Infrastruktur und des Betriebs von Wasserversorgungssystemen, wobei der Schwerpunkt auf der Wasserentnahme und -produktion aus verschiedenen Quellen liegt. Diese Methoden zur Entscheidungsfindung werden auf die Ressourcenknappheit, die Klimaunsicherheit und die fortschreitende Energiewende zugeschnitten und gleichzeitig die Komplexität von Wassersystemen mit mehreren Quellen berücksichtigen. Unser Vorhaben ist in drei Arbeitspakete strukturiert. Im ersten werden wir Methoden zur Planung des kurzfristigen (Wochen) Betriebs komplexer Systeme der lokalen Wasserversorgung vorantreiben. Dafür werden wir neuartige multikriterielle Optimierungsmodelle (Wasserqualität, Kosten) für Wasserversorgungssysteme mit mehreren Quellen entwickeln, die in intelligente Energiemärkte eingebunden sind. Maschinelles Lernen zur Vorhersage des Wasserbedarfs und der Stromkosten für die Wasserproduktion wird in dieses Optimierungsproblem eingebettet. Im zweiten Arbeitspaket werden wir Optimierungsmodelle für eine koordinierte Investitionsplanung für die Infrastruktur von Wasser-Energie-Systemen entwickeln. Diese werden so konzipiert sein, dass sie gegen Dürren unterschiedlicher Intensität und Dauer abgesichert sind, wie die Megadürren, die vielen Ländern in jüngster Zeit widerfahren sind. Im dritten Arbeitspaket werden wir unsere Methoden erweitern, um mit tiefen (d.h. schwer quantifizierbaren) Unsicherheiten umzugehen, die das langfristige (Jahrzehnte) Wassermanagement prägen. Unsere dazu entwickelten Methoden werden sich auf adaptive Investitionsstrategien konzentrieren. Die Ergebnisse unserer Grundlagenforschung werden Konzepte und Methoden für ein nachhaltiges und kosteneffizientes Wassermanagement sein, einschließlich der Betriebs- und Infrastrukturplanung. Die Weiterentwicklung dieser Planungsmethoden wird dazu beitragen, die Wasserversorgungssysteme auf den Klimawandel und auf die Gefährdung der Versorgungssicherheit vorzubereiten.
| Origin | Count |
|---|---|
| Bund | 367 |
| Land | 29 |
| Zivilgesellschaft | 2 |
| Type | Count |
|---|---|
| Ereignis | 4 |
| Förderprogramm | 326 |
| Gesetzestext | 1 |
| Text | 45 |
| Umweltprüfung | 2 |
| unbekannt | 19 |
| License | Count |
|---|---|
| geschlossen | 62 |
| offen | 334 |
| unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 376 |
| Englisch | 72 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Datei | 5 |
| Dokument | 29 |
| Keine | 224 |
| Webseite | 166 |
| Topic | Count |
|---|---|
| Boden | 192 |
| Lebewesen und Lebensräume | 273 |
| Luft | 174 |
| Mensch und Umwelt | 397 |
| Wasser | 97 |
| Weitere | 389 |